基于1d-MSCNN+GRU的工業(yè)入侵檢測(cè)方法研究
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>613 K
標(biāo)簽： 一維多尺度卷積 門控循環(huán)單元 入侵檢測(cè)
所需積分：0分積分不夠怎么辦,？
文檔介紹：針對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)方法對(duì)特征依賴大，以及傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)只通過提取重要的局部特征來完成識(shí)別分類,，收斂速度慢的問題,，提出了一維多尺度卷積神經(jīng)網(wǎng)絡(luò)和門控循環(huán)單元相結(jié)合的入侵檢測(cè)方法。該方法使用一維多尺度卷積神經(jīng)網(wǎng)絡(luò)加強(qiáng)對(duì)特征的捕捉能力,，加快收斂速度,，采用門控循環(huán)單元把握空間特征，減少通道數(shù)量擴(kuò)張,，降低數(shù)據(jù)維度,。使用KDD CUP 99數(shù)據(jù)集和密西西比州大學(xué)的天然氣管道的數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明與經(jīng)典的機(jī)器學(xué)習(xí)分類器相比,，該方法具有較高的入侵檢測(cè)性能和較好的泛化能力,。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分,；重復(fù)下載不扣分,，本人上傳資源不扣分。